Prediksi Kinerja Mahasiswa Dalam Perkuliahan Berbasis Learning Management System Menggunakan Algoritma Naïve Bayes
Abstract
The Covid-19 pandemic that has hit Indonesia since the beginning of 2020 has had a major impact on the world of education, so that the learning process that was originally carried out face-to-face has turned into online learning. In such a situation, the University of Muhammadiyah East Kalimantan utilizes the Learning Management System (LMS) in an online learning system using the LMS Open Learning platform. The purpose of this study is to find the best attribute values using Correlation Based Featured Selection and to test the performance of the Naïve Bayes algorithm using Confusion Matrix. The attributes used after going through the feature selection are time spent on course, course completed, assignments, mid-semester exams and quizzes. The results of testing 178 data with a ratio of training data schemes and testing data of 70:30 produce an accuracy of 98.14%, 80:20 produces an accuracy of 97.22% and 90:10 produces an accuracy of 94.44%. Thus, the best accuracy is obtained at 70:30 data composition, which is 98.14%.
Keywords: Accuracy level; Naive Bayes; Online learning; Prediction
Abstrak. Pandemi Covid-19 yang melanda Indonesia sejak awal tahun 2020 memberikan dampak besar terhadap dunia pendidikan, sehingga proses pembelajaran yang semula dilakukan secara tatap muka berubah menjadi Pembelajaran Dalam Jaringan (daring). Dalam situasi seperti tersebut, Universitas Muhammadiyah Kalimantan Timur memanfaatan Learning Management System (LMS) dalam sistem pembelajaran daring menggunakan platform LMS Open Learning. Tujuan penelitian ini adalah mencari nilai atribut terbaik menggunakan Correlation Based Featured Selection dan menguji performa algoritma Naïve Bayes menggunakan Confusion Matrix. Atribut yang digunakan setelah melalui seleksi fitur adalah time spent on course, course completed, nilai penugasan, nilai Ujian Tenga Semester dan nilai quiz. Hasil pengujian 178 data dengan rasio skema data training dan data testing 70:30 menghasilkan akurasi sebesar 98,14%, 80:20 menghasilkan akurasi sebesar 97,22% dan 90:10 menghasilkan akurasi sebesar 94,44%. Dengan demikian, akurasi terbaik diperoleh pada komposisi data 70:30, yaitu sebesar 98,14%.
Kata kunci: Akurasi; Naïve Bayes; Pembelajaran dalam jaringan; Prediksi
References
WHO, “Pertanyaan dan Jawaban Terkait Coronavirus,” 2022. https://www.who.int/ indonesia/news/novel-coronavirus/qa/qa-for-public (diakses Feb 12, 2022).
Kemendikbud, “Kemendikbud Terbitkan Pedoman Penyelenggaraan Belajar dari Rumah,” 2020. https://www.kemdikbud.go.id/main/blog/2020/05/kemendikbud-terbitkan-pedoman-penyelenggaraan-belajar-dari-rumah (diakses Feb 12, 2022).
Y. I. Kurniawan, “Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, hal. 455, 2018, doi: 10.25126/jtiik.201854803.
D. Anggreani, Herman, dan W. Astuti, “Kinerja Metode Naïve Bayes dalam Prediksi Lama Studi Mahasiswa Fakultas Ilmu Komputer,” Semin. Nas. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 2, hal. 107–111, 2018, [Daring]. Tersedia pada: http://e-journals.unmul.ac.id/ index.php/SAKTI/article/view/1843.
Y. Apridiansyah, N. D. M. Veronika, dan E. D. Putra, “Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes,” JSAI (Journal Sci. Appl. Informatics), vol. 4, no. 2, hal. 236–247, 2021, doi: 10.36085/jsai.v4i2.1701.
A. F. Firdaus, R. Saedudin, R. Andeswari, dan U. Telkom, “Implementasi Metode Klasifikasi Naive Bayes Implementation of Naive Bayes Classification Method in Predicting,” vol. 8, no. 5, hal. 9274–9279, 2021.
P.S.C. Moonallika, K.Q. Fredlina, and I.K. Sudiatmika"Penerapan Data Mining Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Primakara)". Progresif: Jurnal Ilmiah Komputer, vol. 16, no. 1, pp. 47-56, 2020.
N. Nosiel, S. Sriyanto, dan F. Maylani, “Perbandingan Teknik Data Mining Untuk Prediksi Penjualan Pada UMKM Gerabah,” Pros. Semin. Nas. Darmajaya, vol. 1, no. 0, hal. 72–86, 2021.
W. Ananda, M. Safii, dan M. Fauzan, “Prediksi Jumlah Hasil Panen Sawit Menggunakan Algoritma Naive Bayes,” TIN Terap. Inform. Nusant. Vol, vol. 1, no. 10, hal. 513–519, 2021.
N. Maulidah, R. Supriyadi, D. Y. Utami, F. N. Hasan, A. Fauzi, dan A. Christian, “Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes,” Indones. J. Softw. Eng., vol. 7, no. 1, hal. 63–68, 2021, doi: 10.31294/ijse.v7i1.10279.
Rumini dan A. Nasruddin, “Prediksi Awal Penyakit Diabetes Mellitus Menggunakan Algoritma Naïve Bayes,” J. ICT Inf. Commun. Technol., vol. 20, no. 2, hal. 246–253, 2021, doi: 10.36054/jict-ikmi.v20i2.376.
H. Nalatissifa, W. Gata, S. Diantika, dan K. Nisa, “Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja,” J. Inform. Univ. Pamulang, vol. 5, no. 4, hal. 578, 2021, doi: 10.32493/informatika.v5i4.7575.
R. Alfiani, “Prediksi Kepuasan Customer Terhadap Performance Terapis Baby Massage Menggunakan Algoritma Naive Bayes,” vol. 9, no. 1, hal. 83–92, 2022.
T. Taufiq and Y. Yudihartanti, "Penerapan Theorema Bayes Pada Penilaian Kelayakan Angkutan Kota". Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 10, no. 1, pp. 111-122, 2021.
A. Widiyono, “Efektifitas Perkuliahan Daring (Online) pada Mahasiswa PGSD di Saat Pandemi Covid 19,” J. Pendidik., vol. 8, no. 2, hal. 169–177, 2020, doi: 10.36232/pendidikan.v8i2.458.
N. A. Akhmad, “Analisis Respon Mahasiswa Terhadap Perkuliahan Daring di Prodi Biologi STKIP PI Makassar,” J. Pendidik. Fis. dan Ter., vol. 3, no. 2, hal. 62–65, 2021.
A. I. Nurhidayat dan D. Fatrianto, “Prediksi Kinerja Akademik Mahasiswa Menggunakan Machine Learning dengan Sequential Minimal Optimization untuk Pengelola Program Studi,” vol. 05, hal. 84–91, 2021.
E. Sabna, “Data Mining Dengan 2 (Dua) Model Klasifikasi Untuk Prediksi Kinerja Mahasiswa,” J. Ilmu Komput., vol. 10, no. 2, hal. 128–131, 2021, doi: 10.33060/jik/2021/vol10.iss2.229.
D. Kurniawan, Pengenalan Machine Learning Python. Jakarta: PT Alex Media Komputindo, 2020.
M. Guntur, J. Santony, dan Y. Yuhandri, “Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 1, hal. 354–360, 2018, doi: 10.29207/resti.v2i1.276.
How To Cite This :
Refbacks
- There are currently no refbacks.
